小长假这几天也没闲着抽出时间对目前从事的行业以及近期的项目做个总结，另外一点是两个月前有朋建议开个公众号，希望可以把这近几年在工程行业数字孪生、数据服务的一些项目实战经验和反思分享给大家，期待多多交流。
在写这篇文章的时候，有个朋友发表了一篇相关的文章，其中有些看法也是“不谋而合”。这一篇也是整个数字孪生系列话题的开始，后面我会针对数字孪生的基本概念、构建流程、建模工具、平台开发、PLC、物联网系统对接、数据服务以及AI应用相关的技术基础知识等做相关话题分享，以及后面给大家分享使用我们的工具去搭建数字孪生应用场景。有兴趣的朋友可以关注“我”，带你“3D看行业，孪生见未来”，那么废话不多说，先进入今天的话题。
前几天与某数字孪生平台的业务负责人交流，谈到数字孪生落地难，业务压力大，另外就是应用也遇到瓶颈，浅的应用都做得差不多了，很难突破了，所以下一场竞争，会是垂直行业的竞争，做平台层开发的公司数量会非常有限。又加上所谓的资本寒冬，给初创企业机会也不多，毕竟目前不管是数字孪生还是元宇宙还暂未出现杀手级的应用，大概率还处于一个商业模式的探索阶段。
我们简单分析一下，数字孪生领域的公司基本都有布局，但是核心还围绕可视化做上层的应用，大部分还是以技术型为主，以技术驱动业务的路线，难以以业务驱动为主，由于缺乏专业的行业背景积累，导致业务层很难从专家的角度去为客户解决问题，多数大平台一般采取与专业的业务团队展开合作，短时间也难以“吃透”行业的业务，还是比较依赖业务团队。数字孪生应用缺相应的专业背景支撑，就好比“无源之水，无根之木”，下一场的竞争更多的从产业互联网的方向铺开。
从投出产出比上来看，平台型公司对数字孪生的投入是比较大，大多数平台也都是打出通用型的解决方案以及对应的工具链产品。通用架构一般包括四个方面：数据转换、场景编辑器、前端与3D交互接口(前端API)、场景发布。有些厂商还提供通用组件化的可视化大屏解决方案，投入太大，小公司难以负担。
我们看一下今年AI的情况，“AI四小龙”也跌下神坛，究竟是什么原因，大概率是缺乏应用场景。这四家很大一部分的业务在智能安防领域，伴随着城市的基础设施越来完善，再加上现行的大环境，增长遇到问题。所有人都知道AI很重要，但是什么样的应用场景客户才会买单？很早以前IBM就在AI上投入很大的研发，他的沃森医生可以实现机器人看病，但是最后是一地鸡毛。二维码是日本人发明的，但是几十年都没法落地，直到腾讯创新性的把它用到微信上，二维码这项技术才实现腾飞。所以AI应用怎么变现，如何让用户买单才是胜负的关键。
除了“AI四小龙”这样的公司，通用型的AI平台都被互联网大厂做了而且可以做到很便宜，留给一些其他厂商的都只能是一些大厂不愿意做的定制算法。回到行业我们再看布局，腾讯早期就投资一家数字孪生平台公司“北京飞渡科技有限公司”（freedo平台:BIM/GIS/CIM三维数字底板及高渲染可视化引擎）,另外上个月初，腾讯全资收购了已投数字孪生平台“光启元”（大家熟知的RayData），看这架势要亲自上场了。另外一端,在9月26号，高德地图发布最新版本V12，基于“视界引擎”，V12 包含了沉浸导航、3D 视界、数字领航员等功能，“视界”是围绕视觉体验研发的全新导航引擎，旨在通过数字孪生、人工智能等技术，将原先的“平面地图”形态转化为虚实结合的“数字世界”。
从一线大厂的布局来看，与AI布局何其相似，基本都是基于“基础数据+算法+算力”，伴随着5G的成熟应用，大厂的云服务优势会逐步放大，毕竟基础的三维渲染需要高性能云服务器以及高带宽的网络，三维精细度会更高，交互延时性会越来越低，C端用户体验会越来越好。在未来碎片化的数据采集的业务存在的必要性就需要打个问号，这会对数字孪生市场形成新一轮的洗牌，就像当年小米把很多山寨厂商降维打击一样，未来的竞争也是多方面，很难在单一点上形成独有的“护城河”。
所以参考这个路径，未来留给很多数字孪生企业似乎只有做深垂直领域，做好客户服务这条路了，以内容+产品的服务形式，走精细化这条道，所谓“进窄门，走宽道”，在垂直的、细分甚至微分领域持续深耕。对于从业人员，不管是开发、产品、运营需要跨行业的背景做业务支撑，如果业务人员能够自身觉醒，那就完美了。
数字孪生理念范围很“泛”，边界很模糊，大到“智慧城市”、小到“机器设备”，从建筑业到制造业，都能出现它的身影。数字孪生和数字化都是一种解决问题的方式，不仅仅局限在技术上，但是只有落到具体的场景上具体的痛点上才能把自己真正的价值展现出来。互联网造“概念”的势头，其他行业确实望尘莫及，数字孪生还没整明白，不少公司投入元宇宙的怀抱了,NFT着实也割了一把韭菜，大家似乎都特别乐意去追逐一些新鲜而又模糊的东西，但是对于一些客户具体的痛点却又置若罔闻，似乎解决客户痛点不是一件时髦或者高大上的事情，讲故事听故事很热闹，但是活不下来。
以上的内容相对宏观一些，下面我会在两个方向上进一步阐述，真是要把这其中的关系说清楚也不是一篇文章能够解释清楚的。
第一点：智慧城市应用
这个也是普遍的公司所做的业务，基本与建筑工程行业有关，细分下去有，智慧园区、智慧水务、智慧电厂、智慧工地等业务，为了便于初学者，我简单说一下目前做此类的应用的一个流程，这也是大多数公司的一些情况
基础建模：包含BIM、GIS/CIM、普通3Dmax建模。大多数场景下需要人工手工建模，机械重复，效率低，虽然GIS数据可通过无人机航拍可以较快速生成大体量，较高精度模型，但是多在室外大场景建筑道路数据采集，应用场景有限，模型或多或少还是需要人工修正，目前在建模方面确实没有设什么好的解决办法。
数据融合与可视化：在这一层面上多数公司都是打着"多源异构数据融合”的旗帜，从非结构化数据到结构化数据的一个数据处理服务，其核心还是将软件中的数据进行结构化提取，实现在不同业务阶段或在上下游之间进行利用，这一点国内的BIM轻量化平台在Revit平台做的都比较不错，但是对于Bentley平台的支撑就一般。另外一点，从可视化的技术栈基本是两大阵营，Webgl与游戏引擎，就个人感觉吧有点审美疲劳，要是在视觉上改善，Houdini这种影视级别的工具加持，会将效果再提升一至三个档次。
模型仿真：目前来讲的话仿真的应用还是比较少的，大家普遍认同的有实际意义在巡检业务上，所谓的数据分析预警、告警层面还是比较空洞。设计过渡、信息量过载，把大部分时间用在美化图表上，而完全忽略数据本身传达的意义，进入数据误区。数字孪生最诱人的的地方在于“分析”、“决策”、“预警”，这些其实和可视化的关系不是很大，这些是大数据和AI需要做的事情。不过仿真相关的涉及到大型的（通用）软件，这个也是国内工业软件的硬伤，核心技术掌握在老外手中，而且经过20多年用户大家工具人似的使用，积累大量的用户群体按部就班是主流，能短时间还是难以解决。（有兴趣的伙伴可以了解下Ansys）
这类业务比较普遍，成为行业内卷的重灾区，这些公司对数是从传统的IBMS系统转型过来的，另外是一些BIM相关的公司，毕竟市场需求主要集中在这一块，不过目前传统的信息化集成厂商也存在一些问题，缺乏行业背景，从了解到一些平台的情况来看，数据应用性是比较差的，BIM与GIS的数据多数形成了一张“皮”，难以有效利用，另外一点，工程行业开发出来的软件灵活度差，扩展性不怎么友好，基本都是定制化开发。当然这里面也有一些比较出众的公司跑出来了，具体大家可以查一下。
这样类型的公司业务后续可能会集中在工作流的协同与整体解决方案，以服务内容带动产品开发。工作流的协同是用来简化工作流程，降低项目运营成本，提高生产效，自然而然的能在报价上占据一定优势，当然“低价”并不是目的。整体解决方案核心还是要解决业务宽度与深度的问题，毕竟相关的技术也是可以运用在多数“3d可视化”业务中，让公司活下来是首要的事情。
第二点：工业/制造业应用
制造业是最复杂的行业之一，制造项目的成本很高，尤其是生产新产品和零部件产品环节。当错误和延误发生时，不可预测的成本会显著增加，效率问题是大型制造业普遍存在而且没有很好解决的，这也是未来数字孪生的“用武之地”。工业上的复杂业务自然就提高了数字孪生的入门门槛，需要了解PLC、ERP、MRP，MES，PLM和CRM信息系统等，特别是PLC与三维模型的实时交互，基本上是整个工业数字孪生的基础，所以构建工业级的数字孪生系统具有很大的一个挑战。目前，比较普遍的问题是机器设备数据的采集与传输，毕竟工业领域的软件都是基于国外技术（特别是西门子）进行开发，数据传输协议也是多方面的，这也提高了开发成本。后续大家的关注焦点会集中在工业物联网协议的打通，高性能实时数据库的数据存储与数据服务，不过由于制造业的特殊性与多样性，创业型的公司最好还是单点去在细分业务上去突破，动不动搞一个平台可能会“石沉大海”。
总结一下，数字孪生不是一个名词标签，也不是虚无缥缈的概念，更不是高大上互联网技术名词的堆砌，和数字化一样是一种解决问题的方式，核心要回归到具体的业务场景，脱离应用场景去谈技术没有多大意义，不要讲故事，能够给客户创造真正价值的才能够最终活下来。
悲观者也许正确，乐观者往往成功，在危机中发现变化，在变化中寻找机遇和值得乐观的内容，从而确定我们能做的事和我们要做的事。这样的话，才能熬过漫长的寒冬，等到春暖花开。
今天就先到这，欢迎各位，来找我交流探讨。关注我，数字孪生不迷路。 作者：废话孪生